TDWI_Programm

Programmübersicht

Hier kommen Sie zurück zur Konferenzwebseite

Montag 04.11.2019

08:00 - 09:00

Pause

09:00 - 10:15

Keynote

Daten als strategische Ressource bewirtschaften - Datenstrategien in Schweizer und europäischen Unternehmen

Die strategische Bedeutung von Daten für digitale Geschäftsmodelle und den Einsatz künstlicher Intelligenz ist unbestritten. Dennoch bewirtschaften nur wenige Unternehmen Daten so systematisch und professionell wie andere Unternehmensressourcen. Eine Datenstrategie ist daher wichtig, um die (künftige) Rolle von Daten im Unternehmen zu klären. Sie definiert Eckpunkte für die Datensammlung, -speicherung und -nutzung sowie Prinzipien für den ethischen Umgang mit Daten. Dieser Vortrag fasst die Ergebnisse einer aktuellen Studie des CC CDQ zu Datenstrategien in europäischen Unternehmen zusammen. Er zeigt Beispiele offensiver und defensiver Datenstrategien. Ausserdem gibt er Tipps zur Formulierung einer Datenstrategie mit dem Data Strategy Canvas.

Christine Legner

Christine Legner ist Professorin an der Universität Lausanne und leitet das Competence Center Corporate Data Quality (CC CDQ), in dem sie und ihr Team gemeinsam mit 20 europäischen Unternehmen innovative Konzepte und Lösungen für das Datenmanagement erarbeiten. Sie verfügt über langjährige praktische und akademische Erfahrung und ist Autorin aktueller Studien zu Datenstrategien und Datenkatalogen.

10:15 - 10:45

Pause

10:45 - 11:45

TRACK:
Advanced Analytics und AI

Disneylytics: AI und Predictive Analytics die Spass machen

Dieser Vortrag widmet sich mit einer echten Case Study dem Thema wie AI und Predictive Analytics im realen Leben Wert generieren: Um einen geplanten Vergnügungsparkbesuch zu optimieren, wollten wir die Wartezeiten an den einzelnen Bahnen optimieren.
Um dies zu ermöglichen, haben wir dazu mit DWH Automation die Daten aller weltweiten Disney Vergnügungsparks konsolidiert und historisiert und mit weiteren Daten wie Wetterprognosen und effektiven Wetterdaten angereichert.
Diese Daten haben wir mit AI Ansätzen analysiert und daraus Prognosen für zukünftige Tage erstellt.
Im Vortrag wird das Vorgehen, die dabei entstandenen Herausforderungen und die Resultate vorgestellt.

Zielpublikum: Alle an Automation und Predictive Analytics interessierten.

Voraussetzungen: Ein Interesse daran unnötige Wartezeiten in Vergnügungsparks zu vermeiden - oder der Wunsch die Geschäftsprozesse mithilfe von Predictive Analytics zu optimieren.

Schwierigkeitsgrad: Anfänger

Petr Beles

Petr Beles verfügt über fundierte Erfahrung in Data Warehouse-Projekten in den Bereichen Telekommunikation, Finanzen und Industrie. Seit mehreren Jahren führt er erfolgreich Projekte mit Data Vault durch und schult Teams in der Anwendung dieser Datenmodellierungstechnik.

English

Petr Beles has profound experience in data warehouse projects in the telecommunications, financial and industrial sectors. For several years he has been successfully implementing projects with Data Vault and trains teams in the application of this data modeling technique.

TRACK:
DWH, Data Lake und Business Intelligence

Think Big – Start Small: Architektur-T-Shirt-Grössen für BI-Projekte

Der Chef braucht eine neue Auswertung auf Basis einer neuen Datenquelle. Die Daten zuerst in ein bestehendes geschweige denn in ein neues DWH zu laden, ist zeitlich unrealistisch. Der Griff zum «agilen» BI-Tool wie Tableau oder Power BI liegt auf der Hand. Nach einigen Monaten und weiteren «dringenden» Auswertungen droht der Wartungsalbtraum. Es geht auch anders: In diesem Vortrag stelle ich Ihnen die Idee von Architektur-T-Shirt-Grössen vor, illustriert anhand eines internen IT-Logix Dashboards: Einerseits führen unterschiedliche Anforderungen zu unterschiedlichen Architekturansätzen. Gleichzeitig soll die Architektur mitwachsen können, wenn ein BI-System nach und nach ausgebaut wird.

Zielpublikum: BI-Architekt, Fachanwender, BI-Entwickler

Voraussetzungen: keine

Schwierigkeitsgrad: Anfänger

Raphael Branger

Raphael Branger studierte Wirtschaftsinformatik und hält einen MA in Information Management. Heute arbeitet er als Chief Knowledge Officer und Senior Solution Architect bei der IT-Logix AG mit über 15 Jahren Praxiserfahrung im Business Intelligence und Datawarehousing Umfeld. Sein aktueller Fokus liegt im Bereich der BI-spezifischen Anforderungsanalyse sowie der Adaption agiler Methoden im Umfeld von BI.

TRACK:
Data Driven Culture

IoT Analytics: Big Data, Predictive und Integration in der Praxis – Vortrag gemeinsam mit Kunde Ypsomed AG

Viele Vorteile von IoT und Analytics sind einleuchtend: Die Qualität in der Produktion steigt, Kosten sinken, Abläufe laufen optimaler. Aufbau und Betrieb von Analytics Szenarien bedürfen den Einsatz neuer Technologien wie Big Data Streaming, Storage und 5G. Die Integration von ERP Know-How mit Data Science Skills und neuer Technologie fordern die Organisation. Anhand der eigenen Erfahrungen beim Qualitätsmonitoring in der Spritzgussproduktion, zeigt ein Schweizer Medtech Unternehmen, was es auf dem Weg gelernt hat und gibt Einblicke in architektonische und organisatorische Lessons Learned.

Zielpublikum: CIO, Business, Head of Data & Analytics

Voraussetzungen: Keine

Schwierigkeitsgrad: Anfänger

Tim Giger

Tim Giger leitet bei Swisscom Analytics & Data das Fokustopic Big Data. Er leitet Projekte und setzt diese um. Sein Spezialgebiet sind die Hadoop & Kafka Tools von Cloudera und er hat profundes SAP Wissen in BusinessObjects ETL und HANA

Enrico Röthlisberger

Enrico Röthlisberger ist bei der Ypsomed AG als ICT Project Manager tätig und leitet ein Projekt zur Weiterentwicklung einer Big Data Plattform für Maschinendaten. Berufsbegleitend absolviert er ein Master-Studium in Wirtschaftsinformatik an der Berner Fachhochschule.

11:55 - 12:40

TRACK:
Advanced Analytics und AI

Wie Künstliche Intelligenz unsere Geschäftsmodelle beeinflusst – und was wir heute tun können

Amazon, Facebook, Alibaba, Tencent und Alphabet gehören zu den wertvollsten und am schnellsten wachsenden Unternehmen der Welt – und sie alle nutzen Künstliche Intelligenz als integralen Bestandteil ihrer Produkte und Dienstleistungen. Doch was bedeutet diese Entwicklung für uns in Europa? Und was können wir tun, um „KI-ready“ zu sein, wenn wir es aufgrund sich ändernder Marktstrukturen sein müssen? Anhand praktischer Beispiele wird aufgezeigt, wie Unternehmen aus dem deutschsprachigen Raum mithilfe von KI Wettbewerbsvorteile schaffen und wie man sich auch als Mittelständer schon heute positionieren kann, um von den Potentialen Künstlicher Intelligenz zu profitieren.

Zielpublikum: Business Development, Fachbereichsleitung, BI

Voraussetzungen: technische Basics, BWL Konzepte, Unternehmensprozesse

Schwierigkeitsgrad: Anfänger

Tobias Bohnhoff

Tobias Bohnhoff bringt als Geograph (B.Sc.) und Innovationsmanger (M.Sc.) eine holistische Betrachtungsperspektive auf technologische und betriebswirtschaftliche Fragestellungen mit. Als Head of Market Analytics beim Digital-Unternehmen Statista, Strategieberater und mittlerweile Gründer und Geschäftsführer der KI-Beratung Appanion Labs hat sich dennoch ein klarer inhaltlicher Fokus und entsprechende Begeisterung für datengetriebene Innovationsprojekte und den Aufbau digitaler Geschäftsmodelle entwickelt.

Mirko Schedlbauer

Mirko Schedlbauer hat seinen akademischen Hintergrund in der Wirtschaftsinformatik (BSc) sowie im Innovationsmanagement (MSc). Seit 2009 sammelte er in zahlreichen Kundenprojekten in Deutschland sowie in der Schweiz Erfahrung als Business Intelligence- und Daten-Experte. Als Gründer und Geschäftsführer der Appanion Labs GmbH unterstützt er heute Unternehmen bei der Nutzbarmachung ihrer Daten.

TRACK:
DWH, Data Lake und Business Intelligence

Beyond traditional Data Warehouse

Today’s enterprise demands from data go far beyond the capabilities of traditional data warehouse. Companies can no longer analyze only what happened yesterday. Leaders want to make real-time decisions from fresh information, and they need to be able to make future predictions too.
BigQuery is Google Cloud real-time enterprise, serverless, petabyte-scale data warehouse powered by machine learning and support for geospatial analytics. It has been recognized by Forrester in 2018 as the Leader in Cloud Data Warehouses.
The talk will demonstrate some of the latest BigQuery features that will make customers rethink what a data warehouse can do and how can help customers focus on the analytics instead of worrying about the infrastructure.

Target Audience: Middle and upper-level management, Business users with Datawarehousing challenges, BI/Data professionals

Prerequisites: Basic knowledge of data warehouse and cloud technology

Level: Advanced

Grazia Frontoso

Grazia Frontoso is a Customer Engineer at Google Cloud in charge of supporting enterprise customers in Switzerland in digital transformation and BigData analytics for the insurance sector. Before joining Google, she worked for several years as Software Product Manager in risk management designing cloud solutions for regulated industries. She holds a PhD in physics and is passionate about the transformational power of technology.

TRACK:
Data Driven Culture

A roadmap to an Intelligent organization

So we implement a good BI solution. Is the work done? Why is it that some BI projects fail to deliver the expected business value even though they are built on a solid technology? Keeping in mind, the characteristics of a large organization, we try to understand how we can grow the data analytics culture in an organization. We also look at the evolution process from using spreadsheets to having an enterprise data warehouse and the challenges for business and IT teams that come along with it. We look at how IT and business collaboration can achieve a common goal of an intelligent data driven organization.

Gurdeep Sangtani

I am a senior data analytics and BI expert. My passion is to design and operate BI, Analytics and reporting solutions. In this regard, I take up activities like solution architecture, business analysis and project management. I have a deep understanding of technical tools used for this purpose and I also have a good knowledge of business processes in finance, banking, procurement and manufacturing.

12:40 - 14:10

Pause

14:10 - 15:10

World Café: World Café

15:20 - 16:05

TRACK:
Advanced Analytics und AI

IoT Sensor Analytics with Apache Kafka, KSQL and TensorFlow

Large numbers of IoT devices lead to big data and the need for further processing and analysis. Apache Kafka is a highly scalable open source streaming platform to ingest, store, process and forward high volumes of data from thousands of IoT devices. KSQL is the streaming SQL engine on top of Apache Kafka to make stream processing available to everyone.
This talk shows how to leverage Kafka and KSQL in an IoT sensor analytics scenario for predictive maintenance. A live demo shows how to embed and deploy Machine Learning models - built with frameworks like TensorFlow, DeepLearning4J or H2O - into mission-critical and scalable real time applications.

Target Audience: Data Scientists, Data Engineers, Software Architects, Consultants, Developers, Project Leads

Prerequisites: Experience with some open source frameworks or products (Machine Learning, Messaging, Integration, Stream Processing) helpful but not required.

Level: Basic

Kai Wähner

Kai Wähner works as Technology Evangelist at Confluent. Kai’s main area of expertise lies within the fields of Big Data Analytics, Machine Learning / Deep Learning, Cloud / Hybrid Architectures, Messaging, Integration, Microservices, Stream Processing, Internet of Things and Blockchain. He is regular speaker at international conferences such as JavaOne, O’Reilly Software Architecture or ApacheCon, writes articles for professional journals, and shares his experiences with new technologies on his blog (www.kai-waehner.de/blog). Contact and references: kontakt@kai-waehner.de / @KaiWaehner / www.kai-waehner.de / LinkedIn (https://www.linkedin.com/in/megachucky/).

TRACK:
DWH, Data Lake und Business Intelligence

Agile Data Warehouse Projekte 2019: Reality Check!

Wäre es nicht schön, ein Data Warehouse Projekt zu realisieren, dass

tatsächlich agil auf Veränderungen reagieren kann,
sich jederzeit restrukturieren und überarbeiten lässt,
DevOps-fähig und automatisierbar ist,
Daten jederzeit deterministisch -komplett oder partiell- nachladen kann-
den Fokus des Teams auf Business Cases legt, anstelle sich in Infrastruktur Problemen zu verlieren?

Wie das möglich ist, möchten wir in unserem Vortrag zeigen. Mit Hilfe von Data Vault und einer Persisting Staging Area unter Verwendung von ETL Templates, Patterns sowie DevOps lässt sich ein hoher Automatisierungsgrad erreichen.Reicht das um alle oben genannten Anforderungen mit einem Ja beantworten zu können? Zielpublikum: BI Entscheider, DWH Verantwortliche Vorraussetzungen: Basic Schwierigkeitsgrad: Basic

Michael Könings

Michael Könings ist seit über 20 Jahren im BI Umfeld tätig, seine Schwerpunkte liegen im Bereich ETL und Datawarehousing. In zahlreichen Projekten konnte er sein Wissen ud seine Erfahrung kontinuierlich erweitern. Aktuell sind Cloud, Data Vault und auch DevOps als neue Komponenten im agilen Umfeld als Herausforderungen hinzugekommen.
Michael Könings Ist zertifizierter Scrum Master sowie MCSE im Bereich Datenbanken.

Bernhard Lauber

Bernhard Laubers Schwerpunkt liegt im Bereich DWH-Architektur, Datenbank- und DWH-Modellierung, Design und Implementierung von ETL-Strecken, Datenbank-Anonymisierung und Datenbank-Migrationen.

Bernhard Lauber ist Certified Data Vault Data Modeler (CDVDM) und MCSA (Microsoft Certified Solutions Associate). Als Microsoft Certified Trainer (MCT) gibt er Trainings im Bereich Business Intelligence und Microsoft SQL Server. Ausserdem hat er Projekt-Erfahrung mit agilen Methoden wie KANBAN und SCRUM.

TRACK:
Data Driven Culture

Herausforderungen im Aufbau datengetriebener Organisationen erfolgreich meistern

Die Erstellung von Datenprodukten erfordert das Zusammenspiel zahlreicher Funktionseinheiten im Bereich Datenmanagement und Analytik. Die zeitnahe Umsetzbarkeit analytischer Services spielt eine gewichtige Rolle.
Der Vortrag beleuchtet, wie Helvetia Versicherung den Weg von der monolithischen BI-Organisation zum digitalen Wegbereiter der Geschäftsfelder durch datengetriebene Produkte beschreitet. Dabei werden die Kernaspekte „Fähigkeiten, Technologien, Prozesse & Organisation“ zur Gestaltung des neuen „Data & Analytics - Target Operating Models“ im Rahmen des Vortrags beleuchtet, sowie Vorgehensweisen, Lösungsansätze und Hindernisse aufgezeigt.

Zielpublikum: Fach-, Produkt- und IT-Verantwortliche mit Interesse und Bedarf zur Optimierung ihrer analytischen Wertschöpfung

Voraussetzungen: Grundverständnis für Data Science und datengetriebene Produkte & Services

Schwierigkeitsgrad: Anfänger

Sandra Hürlimann

Sandra Hürlimann ist Leiterin des neu geschaffenen Resorts "Data & Analytics" der Helvetia Versicherungen mit mehr als 40 internen Mitarbeitern und verantwortet die vollständige analytische Wertschöpfungskette - von der Business Case Definition bis zum Betrieb datengetriebener Produkte und Services. In dieser zentralen Funktion berichtet sie zugleich an die Führung der Unternehmensentwicklung und sowie der IT.

Tim Kley

Tim Kley ist Experte im Bereich Daten & Analytics Architekturen sowie Organisationen. Mit seiner langjährigen Erfahrung im Aufbau von Datenmanagement-Umgebungen und Betriebsmodellen berät er Kunden bei der Transformation klassischer Reporting-Umgebungen hin zu modernen Ansätzen zur Entwicklung datengetriebener Produkte und Services.

16:05 - 16:35

Pause

16:35 - 17:20

TRACK:
Advanced Analytics und AI

KI Use Case Discovery – Potenziale mit Machine Learning und Advanced Analytics erschließen (Teil 1)

Künstliche Intelligenz beschreibt die optimale Lösung von Entscheidungsproblemen auf Basis von Daten. In einem interaktiven Workshop-Format soll es darum gehen, in Kleingruppen anhand vorstrukturierter Muster- und Informationskarten konkrete KI-Use Cases zu identifizieren und priorisieren. Der Workshop soll eine praxistaugliche methodische Grundlage vermitteln, geschäftliche und datenwissenschaftliche Herausforderungen in ihre wesentlichen Merkmale zu gliedern und anhand der Kombination aus technischen und branchenspezifischen Anforderungen eine belastbare Lösungsidee zu entwickeln.

Zielpublikum: Fachbereichsleiter, Strategie-/ Business Development, Innovationsmanager, Projektleiter

Voraussetzungen: Basics Algorithmen, Basisgrundlagen Statistik, BWL Grund-Konzepte

Schwierigkeitsgrad: Fortgeschritten

Tobias Bohnhoff

Mirko Schedlbauer

TRACK:
DWH, Data Lake und Business Intelligence

Insights statt Diagramme! Dashboards gestalten, die Ergebnisse verständlich kommunizieren (Teil 1)

Dashboards sind essenzielle Werkzeuge zur interaktiven Kommunikation und Veranschaulichung wichtiger Geschäftsdaten. Damit Zahlen und Ergebnisse verständlich kommuniziert werden, müssen Dashboards zielgruppengerecht aufbereitet werden. Neue Technologien, Trends und Anwendungsszenarien stellen weitere Herausforderungen an die Gestaltung von Dashboards.
In diesem Workshop diskutieren wir aktuelle Erkenntnisse aus der Forschung und Praxis zum Thema Dashboard-Design sowie grundlegende Prinzipien und Best Practices. Anhand eines fiktiven Falls kann sich jeder selbst in der Optimierung eines Dashboards erproben und abschließend die Ergebnisse diskutieren.

Zielpublikum: Alle an Visualisierung Interessierten; Data Stewards, Business Analysts, Data Scientists, Visualization Experts, BI Manager

Voraussetzungen: keine

Schwierigkeitsgrad: Anfänger

Raphael Branger

Julian Ereth

Julian Ereth forscht an der Universität Stuttgart zu allem was mit Daten und Analytics zu tun hat. Seine Erkentnisse trägt er dabei über den TDWI und als Solution Architect bei dem Software-Unternehmen pragmatic_apps in Stuttgart auch regelmäßig in die Praxis. Bei den Young Guns engagiert er sich schon seit deren Geburtsstunde vor 3 Jahren hier auf der Konferenz.

TRACK:
Data Driven Culture

Intelligentes Reporting & Ursachenanalyse in der Testfahrzeugflotte

Für das Monitoring der Testfahrzeugflotte und auftretender Probleme wird ein intelligentes, interaktives und automatisiertes Reportingtool vorgestellt. Neben dem Reporting ist auch eine Ursachenanalyse bei auftretenden Problemen möglich - dank der Interaktivität auch live in einem Meeting. Im Vortrag werden die Entwicklungsschritte von der Projektidee bis zum Tool in Produktion vorgestellt, insbesondere die Herausforderungen, die dabei aufgetreten sind.

Zielpublikum: Projektleiter, Fachabteilungsleiter, Entscheider

Voraussetzungen: Grundlagen BI und Reporting, Grundlagen Datenmanagement

Schwierigkeitsgrad: Anfänger

Lukas Altenkamp

Nach seiner Promotion in Teilchenphysik wechselte Lukas Altenkamp Anfang 2018 als Data Scientist in das Beratungsgeschäft bei Gemmacon. Dort beschäftigt er sich hauptsächlich damit, für angewandte Problemstellungen eine zielführende datenbasierte Methodik und Algorithmik zu entwickeln, mit den Fachexperten abzustimmen und zu implementieren.

17:30 - 18:15

TRACK:
Advanced Analytics und AI

KI Use Case Discovery – Potenziale mit Machine Learning und Advanced Analytics erschließen (Teil 2)

Tobias Bohnhoff

Mirko Schedlbauer

TRACK:
DWH, Data Lake und Business Intelligence

Insights statt Diagramme! Dashboards gestalten, die Ergebnisse verständlich kommunizieren (Teil 2)

Raphael Branger

Julian Ereth

TRACK:
Data Driven Culture

Agile Transformation eines BI Competence Centers bei der Helsana Krankenversicherungen AG

Die BI & Analytics Organisation der Helsana Versicherungen AG hat sich 2017 auf die Reise von einer klassisch geführten Linien-Abteilung hin zu einer agilen Organisation begeben. Das schliesst die Ausrichtung der Organisation selbst wie auch die Anpassung der Prozesse und Services ein. Die Zufriedenheit unserer Mitarbeiter und die unserer internen Kunden haben oberste Priorität und es gilt diese Ziele kontinuierlich zu verbessern. Kanban wurde als Methode zur agilen Transformation gewählt, mit Scrum werden grössere Projekte umgesetzt. Insbesondere die Zusammenarbeit mit den Geschäftsbereichen konnte dadurch signifikant verbessert und die Transparenz der Services deutlich erhöht werden.

Zielpublikum: BI-Manager, BI-Projektleiter, Entscheider, CxO

Voraussetzungen: BI Grundlagen

Schwierigkeitsgrad: Anfänger

Steffen Scheller

Steffen Scheller verfügt über 30 Jahre Erfahrung in der ICT-Industrie, davon über 15 Jahre in BI & Analytics. Er hat erfolgreich große BI-Projekte in verschiedenen Industrien gemanagt. Er hat umfangreiches Methodenwissen, tiefe Kenntnisse in BI & Analytics-Architekturen und Tools sowie in agilen Methoden. Er leitet den Bereich BI & Analytics bei der Helsana Versicherungen AG mit 50 Mitarbeitern.

Bernhard Brabec

Dr. Bernhard Brabec verfügt über 30 Jahre Erfahrung in der Forschung, Beratung und Umsetzung in verschiedenen Branchen von BI & Analytics-Projekten mit Schwerpunkt auf Data Mining, Machine Learning und Predictive Analytics. Er hat umfangreiche Kenntnisse als Data Scientist, Projektmanager und agiler Coach gesammelt und leitet für die Helsana Versicherungen AG das Team Advanced Analytics.

18:15 - 22:15

Special Event: Apéro sponsored by IBM

Dienstag 05.11.2019

08:00 - 09:00

Pause

09:00 - 09:45

TRACK:
Advanced Analytics und AI

Data Science ersetzt Bauchgefühl – Einsatzpotenziale prädiktiver Analysen bei der G+J e|MS

Der Einsatz neuer Analyseverfahren erfordert in Unternehmen Innovations- und Risikobereitschaft. Zur Reduzierung von Unsicherheiten empfiehlt es sich, vor einer Implementierungsentscheidung nach praktischen Anwendungsfällen mit einem erkennbaren wirtschaftlichen Nutzen zu suchen. In diesem Vortrag wird dargestellt, wie über ein mehrstufiges Vorgehen geeignete Predicitve-Analytics-Anwendungsfälle für Vermarktungsorganisationen, die für den Verkauf von Werbeflächen zuständig sind, identifiziert wurden. Der Schwerpunkt des Vortrags liegt auf der Nutzen- und Wirtschaftlichkeitsbewertung fünf konkreter Predictive-Analytics-Anwendungsfälle, die inhaltlich erläutert sowie gegeneinander abgewogen werden.

Zielpublikum: Fachanwender und Unternehmensvertreter, die vor dem Einsatz von Advanced Analytics stehen

Voraussetzungen: BI Grundlagen

Schwierigkeitsgrad: Anfänger

Jule Aßmann

Jule Aßmann ist als BI-Consultant für die Gruner + Jahr GmbH tätig. Neben klassischen BI-Projekten arbeitet sie an Vorhaben im Bereich Advanced Analytics. Berufsbegleitend absolvierte sie ihr Masterstudium in Wirtschaftsinformatik / IT-Management an der NORDAKADEMIE. In ihrer Masterarbeit setzte sie sich mit dem Einsatz von Predictive Analytics in Vermarktungsorganisationen auseinander.

Joachim Sauer

Prof. Dr. Joachim Sauer ist Sprecher des Fachbereichs Informatik an der NORDAKADEMIE Elmshorn. Nach dem Studium zum Diplom-Informatiker an der Universität Hamburg promovierte er im Arbeitsbereich Softwaretechnik. In der Wirtschaft war er viele Jahre als Softwareentwickler und -architekt sowie als IT-Berater und Projektleiter tätig. Ein aktueller Forschungsschwerpunkt sind Digitalisierungsprojekte.

TRACK:
DWH, Data Lake und Business Intelligence

Graph basiertes Datenmanagement - PDM der nächsten Generation

Einsatz eines Graphdatenmodells für die Abbildung von Produktdaten als semantisches Netz. Beispiele für Funktionsmodule des "semantischen PDM Systems" der Firma Murrelektronik GmbH

Terminologiemanagement - Definition einer firmenspezifischen Ontologie
Höherer Integrationsgrad von technischen Daten, Digital Assets, Mehrsprachigen Texten, Attributen entlang der Stücklisten und Funktionsbäume
Ablösung der unübersichtlichen Excel-Welten verschiedenster Abteilungen - Konsolidierung in einem konsistenten Datenmodell
Aufgaben spezifische Micro-Applikationen mit Kontext relevanter Datenvisualisierung
Software nach der Prämisse "data first - process second"

Zielpublikum: Datenarchitekten, Produktentwickler und -manager, Marketing und Vertriebs ("Datensichten")

Voraussetzungen: Verständnis für die Modellierung von Daten

Schwierigkeitsgrad: Fortgeschritten

Andreas Weber

Dr.-Ing. Andreas Weber studierte Fertigungstechnik an der FAU Erlangen-Nürnberg und promovierte am dortigen Lehrstuhl für Konstruktionstechnik. Er hat 2016 die Beratungsfirma semantic PDM GmbH & Co KG gegründet. Seine Schwerpunkte liegen in dem Aufbau kundenspezifischer Datenplattformen auf der Basis von Graphdatenmodellen („semantischen Netzen“). Davor war er 7 Jahre lang Head of Operations bei dem Spielwarenhersteller Schleich GmbH. Vor dieser Zeit war er 15 Jahre bei der Schwan STABILO Cosmetics GmbH & Co KG und verantwortete u. a. die Bereiche Logistik, IT und die technische Produktentwicklung.

TRACK:
Data Science Boot Camp kompakt

Grundlagen der Datenanalyse

Diese Session ordnet die Themenfelder und stellt den organisatorischen Rahmen dar, in den die Nutzung von Analytics in Unternehmen eingebettet sein sollte. Dazu werden zunächst statistische Grundlagen aufgefrischt. Darauf aufbauend werden Algorithmen und deren potenzielle Eignung für Anwendungen vorgestellt und diese anhand kleiner Beispiele durchgerechnet.

Zielpublikum: Grundsätzlich ist das Data-Science-Boot Camp für alle Vertreter aus fachlichen, analytischen und technischen Unternehmensbereichen offen. Allerdings spricht es eher Interessierte an, die mit diesem Thema noch wenig Berührung hatten.

Voraussetzungen: Grundlegende Kenntnisse zu Business Intelligence

Schwierigkeitsgrad: Anfänger Jede Session des komprimierten Boot Camps kann auch einzeln besucht werden.
Maximale Teilnehmerzahl: 20

Bitte bringen Sie einen Taschenrechner (die Taschenrechner-App Ihres Smartphones ist ausreichend) und Ihren eigenen Rechner mit.

Carsten Felden

Prof. Dr. Carsten Felden, Vorstandsvorsitzender des TDWI e.V., ist ordentlicher Universitätsprofessor an der TU Bergakademie Freiberg (Sachsen). Er ist Dekan der Fakultät für Wirtschaftswissenschaften und Inhaber der Professur für ABWL, insbes. Informationswirtschaft/Wirtschaftsinformatik. Zentrale Forschungsthemen sind Text Mining, Analytics, Data Warehousing, XBRL sowie IT-Reifegradmodelle. Er publizierte Artikel in internationalen wissenschaftlichen Journalen und Konferenzen und schrieb Bücher zu Themengebieten aus dem Feld der Entscheidungsunterstützung. Darüber hinaus ist er als Gutachter für zahlreiche nationale und internationale Journale und Konferenzen, wie z. B. ICIS, ECIS, HICCS, AMCIS, WI und MKWI, tätig. Prof. Dr. Carsten Felden ist seit 2016 Mitglied im Vorstand des TDWI e.V.

Claudia Koschtial

Claudia Koschtial ist geschäftsführende Gesellschafterin der Marmeladenbaum GmbH sowie erfahrene Lehrbeauftragte an der BTU Cottbus, der FH Berlin und der TU BA Freiberg. Ihre Themenschwerpunkte sind Business Intelligence, Advanced Analytics und Data Science und sie sind durch langjährige Projekterfahrung, Publikationen und Referenzen belegt.

09:55 - 10:55

TRACK:
Advanced Analytics und AI

Der Qualitätsflüsterer – Selbstlernende KI verbessert Qualität in komplexer Variantenproduktion

Das Werk von ZF in Saarbrücken produziert ca. 11.000 Getriebe täglich mit 700 Varianten. Diese Komplexität der Variantenvielfalt stellt eine große Herausforderung dar. Prozessexperten aus den unterschiedlichen Fachbereichen mussten viel Zeit damit verbringen, die Einflussfaktoren auf das fehlerhafte Getriebeteil aufzudecken.
Daher wurde ein Künstliche Intelligenz-Projekt mit der Firma IS Predict gestartet mit dem Ziel, verlässliche und schnelle Ergebnisse zur Ursache-Wirkungs-Analyse zu bekommen. Dies spart Zeit und reduziert deutlich den Ausschuss. Komplexe Ursache-Wirkungs-Erkenntnisse können von mehreren Tagen auf Stunden reduziert werden.

Zielpublikum: Verantwortliche für Produktion und / oder Qualität in der Produktion, Technische Werksleiter, CDO, Innovationsmanager

Voraussetzungen: keine

Schwierigkeitsgrad: Anfänger Extended Abstract:
Das Werk von ZF in Saarbrücken produziert ca. 11.000 Getriebe täglich. Mit 17 Basisgetriebetypen in 700 Varianten gibt es eine hohe Variantenvielfalt. Jedes Getriebe, das aus bis zu 600 Teilen besteht, durchläuft einen technischen 100%-Test, bevor es ausgeliefert wird. Das Werk Saarbrücken ist ein Leitwerk für innovative Industrie 4.0-Technologien. Daher wurden Aktivitäten gestartet, um die Herausforderungen zu beherrschen, die diese hohe Variantenvielfalt verursacht: Ursachen in der Produktion aufdecken, die zu negativen Ergebnissen am End of Line-Prüfstand führen. Diese Komplexität der Variantenvielfalt stellt eine große Herausforderung dar, denn jedes Getriebeteil kann durch eine große Anzahl von Prozessvarianten erzeugt worden sein. Prozessexperten aus den unterschiedlichen Fachbereichen, wie Qualitätssicherung, Fertigung und Produktion, mussten viel Zeit damit verbringen, die Einflussfaktoren auf das fehlerhafte Getriebeteil aufzudecken und zu entscheiden, welche Maßnahmen am besten ergriffen werden müssen, um die Prüfungen am Ende der Produktion erfolgreich abzuschließen.

Daher wurde ein Künstliche Intelligenz-Projekt mit der Firma IS Predict gestartet mit dem Ziel, verlässliche und schnelle Ergebnisse zur Ursache-Wirkungs-Analyse zu bekommen. Geschwindigkeit ist wichtig, da die Produktion 24 Stunden / 7 Tage die Woche durchgeführt wird. Je schneller die tatsächlichen Gründe für fehlerhafte Getriebe aufgedeckt werden, desto schneller können Gegenmaßnahmen ergriffen werden, um zukünftige Fehlfunktionen zu vermeiden. Dies spart Zeit und reduziert deutlich den Ausschuss. Das Ziel ist, den Ausschuss in einigen Fertigungsbereichen um 20% zu reduzieren. Der Haupterfolgsfaktor ist der schnelle Detektionsmechanismus innerhalb der Produktionskette, der durch Künstliche Intelligenz realisiert wird.

Komplexe Ursache-Wirkungs-Erkenntnisse können von mehreren Tagen auf Stunden reduziert werden.

Britta Hilt

Britta Hilt has been in the Artificial Intelligence for ca. 10 years, mainly in manufacturing and industrial domains. She is co-founder and managing director of AI company IS Predict which is leading in Data Science automation for Industry 4.0.

Before founding IS Predict, Britta was business consultant and solution manager for one of the largest German software companies (IDS Scheer / Software AG).

TRACK:
DWH, Data Lake und Business Intelligence

Building Streaming Data Warehouses

Zalandos KI-gesteuerten Anwendungen und eine verteilte Landschaft von analytischen Data Marts können nicht mehr auf lang laufende, schwer wiederherzustellende, monolithische Batch-Jobs warten, die die ganze Nacht laufen, um bereits veraltete Daten zu berechnen. Moderne Datenintegrationspipelines müssen einfach verarbeitbare Datensätze schnell und in hoher Qualität liefern. Basierend auf Spark Streaming und Delta konnte das zentrale Data Warehousing-Team unternehmensweite Stammdaten als S3- oder Kafka-Streams und Snapshots gleichzeitig liefern. Der Vortrag behandelt Herausforderungen in unserer Fashion Data Platform, architektonische Einblicke, Streams vs. Snapshots, Best Practices, Scala API vs. Spark SQL und
für ähnliche Anwendungen.

Zielpublikum: Data Engineers, DWH Developers, Architects, Manager

Voraussetzungen: Basiswissen über DWH, Spark und Streams

Schwierigkeitsgrad: Fortgeschritten

Sebastian Herold

Sebastian Herold hat schon früh mit dem Programmieren angefangen und liebt es immer noch Probleme mit Code und Daten zu lösen. Während 7 Jahren bei ImmobilienScout24 hat er seine Software-Architektenrolle immer mehr Richtung Big Data Architekturen verschoben und maßgeblich die Vision und Implementierung einer unternehmensweiten Data Platform angeschoben, die hilft, die Transformation zur Data-Driven Company entscheidend zu unterstützen. Seit fast 2 Jahren, ist er nun bei Zalando und hilft ähnliche Probleme in größerer Skalierung zu lösen. In English:
Sebastian Herold started programming at the age of 13 and is still passionate about problem solving with code and data. During 7 years at ImmobilienScout24 he moved from being a general software architect into a big data architect role and drove the vision and implementation of an easy-to-use, company-wide data platform which provides business-critical insights and boosts data-driven products at the same time. Currently, he is with Zalando addressing similar problems at a bigger scale.

TRACK:
Data Science Boot Camp kompakt

Einführung in ein grafisches Analysewerkzeug

Diese Session erarbeitet Auswahlkriterien von Algorithmen und überträgt die Umsetzung in das Werkzeug RapidMiner. Natürlich ist dies nur ein Werkzeug unter vielen, jedoch soll es den Teilnehmern einen Eindruck vermitteln, wie in Projekten mit großen Datenbeständen und entsprechenden Analyseanforderungen werkzeugunterstützt gearbeitet wird.

Zielpublikum: Grundsätzlich ist das Data-Science-Boot Camp für alle Vertreter aus fachlichen, analytischen und technischen Unternehmensbereichen offen. Allerdings spricht es eher Interessierte an, die mit diesem Thema wenig Berührung hatten.

Voraussetzungen: Grundlegende Kenntnisse zu Business Intelligence

Schwierigkeitsgrad: Anfänger Jede Session des komprimierten Boot Camps kann auch einzeln besucht werden.
Maximale Teilnehmerzahl: 20

Bitte installieren Sie vorab für die Session das nachstehende Open-Source-Werkzeug, so dass wir direkt mit den Inhalten starten können:

Rapidminer rapidminer.com (falls Sie kein Rapidminer Account anlegen möchten, suchen Sie bitte im Web nach der Version 5 und installieren Sie diese nach Download auf Ihrem Rechner)

Carsten Felden

Claudia Koschtial

10:55 - 11:25

Pause

11:25 - 12:25

TRACK:
Advanced Analytics und AI

Data Warehouse Automation– 8 Erfolgsfaktoren für eine erfolgreiche Einführung

Dieser Vortrag fasst in 60 Minuten die 8 wichtigsten Erfolgsfaktoren für die Einführung von Data Warehouse Automation zusammen, um BI/DWH Entscheidern, Verantwortlichen und Experten wichtige Anhaltspunkte zu geben damit die Herausforderungen bei der Einführung von Data Warehouse Automation gemeistert und das Automatisierungspotential in der Praxis erfolgreich genutzt werden kann.

Zielpublikum: CIO, CDO, BI/DWH Entscheider, BI/DWH (Competence Center) Manager, BI/DWH Programm- und Projektleiter, BI/DWH Architekten und Entwickler, interessierte IT- und Fachbereichsverantwortliche und Anwender

Voraussetzungen: Voraussetzung sind grundlegende Kenntnisse in den Bereichen Daten- und Informationsmanagement. Fortgeschrittene Expertise in den Bereichen Data Warehouse Konzeption, Architektur, Modellierung, Betrieb, Organisation und Prozesse ist vorteilhaft

Schwierigkeitsgrad: Fortgeschritten

Klaus Blaschek

Klaus Blaschek ist Gründer und Geschäftsführer von b.telligent, eines der führenden Beratungsunternehmen für BI, CRM, DWH & Big Data in der DACH-Region. Der Diplomphysiker berät seit über 15 Jahren international tätige Unternehmen u.a. aus den Branchen Telekommunikation und Finanzdienstleistung bei der Einführung, Weiterentwicklung sowie Optimierung ihrer Informations- und Datenmanagementlösungen.

TRACK:
DWH, Data Lake und Business Intelligence

Die Auswahl der richtigen Cloud-Plattform: Anforderungen, Fallstricke und Lösungsanbieter

Bei der Erweiterung oder Erneuerung ihrer Data Warehousing und Data Lake Lösungen ist Cloud für viele Unternehmen eine zu prüfende Option. Im Vordergrund steht der Wunsch einer flexiblen und kostengünstigen Plattform, gegenüber den Ängsten von Sicherheitsbedrohungen oder Verlust der Unabhängigkeit bezüglich Infrastruktur-Entscheide. Häufig besteht noch wenig Know-How bezüglich der verschiedenen Möglichkeiten und Lösungsportfolios.
Ergänzend erfolgt eine Marktübersicht, respektive eine Strukturierung der wichtigsten Hersteller und deren Lösungen für Data und Analytics. Praxisbeispiele runden den Vortrag ab.

Zielpublikum: BI & Analytics Manager, Architekten, CIO

Voraussetzungen: Grundwissen über Data und Analytics Architektur

Schwierigkeitsgrad: Anfänger Extended Abstract:
Der Vortrag zeigt detaillierte Konzepte auf, beispielsweise Containerization oder vortrainierte Algorithmen für Data Science Anwendungen. Anhand von Projektbeispielen werden verschiedene Varianten kurz erklärt.

Herbert Stauffer

Herbert Stauffer hat über 25 Jahre Erfahrung in Data und Analytics, als Projektleiter, Dozent und Berater. Seine Schwerpunkte sind Strategie, Architektur sowie Qualität und Methodik. Er ist Hauptautor des Buches „Testen von Data-Warehouse- und Business-Intelligence-Systemen“ und des Buches „Security für Data-Warehouse- und Business-Intelligence-Systeme“. Er ist Co-Leiter des TDWI Roundtables in Zürich und TDWI-Fellow.

TRACK:
Data Science Boot Camp kompakt

Einführung in die Programmiersprache R

Diese Session beschäftigt sich mit dem Werkzeugunterstützungsgedanken mittels der Sprache R. Die in diesem Umfeld prominent genannte Sprache ist für statistische Berechnungen und Grafiken geschaffen worden. In der Session werden ausgewählte kleine Beispiele im Werkzeug umgesetzt.

Zielpublikum: Grundsätzlich ist das Data-Science-Boot Camp für alle Vertreter aus fachlichen, analytischen und technischen Unternehmensbereichen offen. Allerdings spricht es eher Interessierte an, die mit diesem Thema noch wenig Berührung hatten.

Voraussetzungen: Grundlegende Kenntnisse zu Business Intelligence

Schwierigkeitsgrad: Anfänger Jede Session des komprimierten Boot Camps kann auch einzeln besucht werden.
Maximale Teilnehmerzahl: 20

Bitte installieren Sie vorab für die Session das nachstehende Open-Source-Werkzeug, so dass wir direkt mit den Inhalten starten können:

RStudio www.rstudio.com/products/rstudio/ (berücksichtigen Sie bitte, dass RStudio die zusätzliche Installation der R-Bibliotheken verlangt, z. B. von cran.r-project.org/mirrors.html)

Carsten Felden

Claudia Koschtial

12:25 - 13:55

Pause

13:55 - 14:55

Keynote

Was wäre ich bloß ohne Fehler? Fall-Beispiele eines Jongleurs

Andy Gebhardt spricht in diesem Vortrag darüber, welche Erfahrungen er als Profi-Jongleur mit Fehlern gemacht hat. Mit seinen Jonglierbällen zeigt er, was Fehler für das Lernen und für die Bühnensituation bedeuten. Dabei gibt er erstaunliche Einblicke, wie Zuschauer weltweit auf “Fehlgriffe” reagieren, verrät aber auch, wie er als Jongleur selbst einen gelassenen Umgang damit findet, ja sogar seine Fehler lieben kann. Er beleuchtet die Wichtigkeit des Fehlers zwischen Peinlichkeit und Exzellenz, zwischen Angst und Fortschritt und im zwischenmenschlichen Bereich.

Andy Gebhardt schafft beeindruckende und packende Bilder, die berühren und inspirieren, lädt aber auch zum Staunen, Lachen und Lernen ein.

Andreas Gebhardt

20 Jahre bereiste Gebhardt die Welt als Profi Jongleur. Nun gibt er seine Gedanken, Ideen und Philosophien in unterhaltsamen und inspirierenden Vorträgen weiter. Seine Aussagen visualisiert er mit Jonglierbällen und schafft damit einprägsame emotionale Bilder.
Kunden wie Allianz, BASF, Daimler, ETH Zürich, Lufthansa Technik, SAP, Telekom, Unilever, Visana, lassen sich von ihm inspirieren.

15:05 - 15:50

Panel: Paneldiskussion zum Thema "Beitrag von Business Intelligence zur digitalen Transformation"

15:50 - 16:05

Pause

16:05 - 16:50

TRACK:
Advanced Analytics und AI

Praktischer Einsatz von Machine Learning in der Lebensversicherung

Die PK Rück bietet Pensionskassen und Sammelstiftungen risikogerechte und konkurrenzfähige Lösungen für die Deckung der Risiken Invalidität und Tod. Bei Invalidität geht meistens ein längerer Ausfall der Erwerbsfähigkeit voraus. Wir haben mit Azure Machine Learning ein Modell entwickelt, dass die Invalidisierung bzw. Wiedereingliederung gut voraussagen kann. Für den Datentransformationsprozess (ETL) haben wir das Business Intelligence Tool Power BI eingesetzt und dabei gleichzeitig sehr viele spannende Erkenntnisse durch die interaktive Visualisierung gewonnen. Erleben Sie mit, wie unsere Daten leben!

Giovanni Miraglia

Funktionen Mitglied der Geschäftsleitung Schweiz, Leiter Finanzen, IT und Business
Intelligence, Stiftung mit 60 Mio Einnahmen, 12 Mio Bilanzsumme
Mitglied des oberen Kaders, Leitung Controlling Privatkundengeschäft
Schweiz, börsenkotiertes Unternehmen Versicherungsgesellschaft
Projektleitung diverser Grossprojekte (>1 Mio, > 10 MA)
Leitung Profit Center <call center services>, 30 MA, Direktversicherung Aufgaben / Projekte Finanzmanagement, Controlling, Data Science und Business Intelligence
Projekte. Aufbau Qualitätsmanagment nach ISO 9001 und NPO Label für
Management Excellence, Riskmanagement, Strategieberatung,
Entwicklung, Evaluation und Umsetzung von Businessplänen, Erschliessung
neuer Märkte in Europa, Entwicklung verschiedener mobiler Anwendungen
(Gamification), Einsatz von Big Data Technologien und Entwicklung eines
Modells zur Reduzierung der Churn-Rate mittels maschinellem Lernen
(künstlicher Intelligenz)

TRACK:
DWH, Data Lake und Business Intelligence

Wie man Data Scientists und Power User glücklich macht: Self Service Analytics & Metadaten (Teil 1)

Als junger Data Scientist in ein großes Unternehmen zu kommen, ist, wie ohne Stadtplan das erste Mal in New York unterwegs zu sein. Seit vielen Jahren ist es keine technologische Frage mehr, sondern eine inhaltliche: Wie kann man mit Self Service BI & Analytics unter Datennutzern tatsächlich einen Mehrwert stiften? Wir zeigen auf, wie man ein gemeinsames Datenverständnis schafft, den Nutzern Informationen über Bedeutung, Berechnung und Interpretation der Daten bereitstellt und Ordnung in den Dschungel von Berichten und Kennzahlen bringt. Darüber hinaus sprechen wir über semantische Begleitinformationen beim Datenaustausch und Differenzierung in den Kompetenz- und Skillsprofilen der Datenkonsumenten.

Zielpublikum: Data Scientists, Metadatenmanager, BI-Professionals, BICC-Leiter, Datenkonsumenten

Voraussetzungen: Reporting- und Analytics-Grundlagen

Schwierigkeitsgrad: Anfänger

Michaela Mader

Mag. Michaela Mader ist Geschäftsführerin der dataspot. GmbH. Jahrelange Beratungserfahrung in Analytics- und BI-Projekten führte zur Expertise in der Erarbeitung von Datenstrategien, fachlichem Bedarfsmanagement, Reporting Governance und Metadatenmanagement-Tools. Sie absolvierte ein wirtschaftswissenschaftliches Diplomstudium mit Schwerpunkt IT.

Barbara Kainz

Barbara Kainz ist Geschäftsführerin der dataspot. gmbh. Sie ist Expertin für Data Governance, fachliche Datenmodellierung & Datenqualitätsmanagement. Ihre Expertise in Metadatenmanagement begründet sich auf jahrelanger Beratungserfahrung u. a. als Smarter Analytics Leaderin in der IBM. Sie hält ein Diplom in IT & Organisation und ist systemisch-analytischer Coach.

TRACK:
Data Science Boot Camp kompakt

Einführung in die Programmiersprache Python

Diese Session fokussiert die Programmiersprache Python anhand vorgefertigter Code-Beispiele, um den Teilnehmern eine Grundlage zu schaffen, die Einsatzpotenziale und Aufwände der Sprache im Bereich Advanced Analytics besser abschätzen zu können.

Zielpublikum: Grundsätzlich ist das Data-Science-Boot Camp für alle Vertreter aus fachlichen, analytischen und technischen Unternehmensbereichen offen. Allerdings spricht es eher Interessierte an, die mit diesem Thema noch wenig Berührung hatten.

Voraussetzungen: Grundlegende Kenntnisse zu Business Intelligence

Schwierigkeitsgrad: Anfänger Jede Session des komprimierten Boot Camps kann auch einzeln besucht werden.
Maximale Teilnehmerzahl: 20

Bitte installieren Sie vorab für die Session das nachstehende Open-Source-Werkzeug, so dass wir direkt mit den Inhalten starten können:

Anaconda www.continuum.io/downloads um Python nutzen zu können (Python selbst kann unter: www.python.org/downloads/ heruntergeladen werden)

Carsten Felden

Claudia Koschtial

17:00 - 17:45

TRACK:
Advanced Analytics und AI

Predicting Cryptocurrency exchange rates with stream processing, social data and online learning

Can we predict the future of crypto currencies exchange rates with artificial intelligence and social media data? In this talk, Dr. Frey will take you on a journey and talk about a project where they used Twitter KPIs from in conjunction with exchange rates to evaluate machine learning generated coin forecasts. Thereby, he’ll reveal the underlying software architecture and how microservices, reactive Java and stream processing platforms got loosely coupled together with machine learning to achieve predictive capabilities. Throughout this journey, the most interesting findings, challenges and insights of the project will be shared.

Target Audience: Data Scientists, Big Data Analysts, Machine Learning/Model developers; Decision Makers, Architects

Prerequisites: Basic familiarity with machine learning is helpful, but not required. Interest in architectural stream processing concepts.

Level: Basic Extended Abstract:
In a recent project, iunera sought to determine if it is possible to predict crypto currency exchange rates by utilizing social data from Twitter. I’ll talk about our experiences and describe how we leveraged online learning in conjunction with social data to determine if we are able to predict future currency exchange rates. I’ll point out the general architecture and describe the most interesting findings.

The audience can learn from our experiences and pitfalls. The new possibilities that opens up with more and more Kappa architectures in enterprises leverage new possibilities for real online learning. Therefore, the aspiration is to bring this field in general forward, by sharing insights.

Tim Frey

Dr. Tim Frey is co-founder of the company iunera GmbH and Co. KG. Among other things, he holds a PhD from the university of Magdeburg and loves to design data driven scenarios and applications. His computer science background is in the area of Business Intelligence and platform architecture.

TRACK:
DWH, Data Lake und Business Intelligence

Wie man Data Scientists und Power User glücklich macht: Self Service Analytics & Metadaten (Teil 2)

Michaela Mader

Barbara Kainz

TRACK:
Data Science Boot Camp kompakt

Text Mining vs. Data Mining

Diese Session vermittelt die Unterschiede zwischen Data Mining und Text Mining, so dass auch hier die Teilnehmer in der Lage sind, diese zu erkennen und in eigenen Projekten zu berücksichtigen. Während der Session zeigen wir ein kleines Code-Beispiel, so dass der Eindruck für den Aufwand vermittelt wird.

Zielpublikum: Grundsätzlich ist das Data-Science-Boot Camp für alle Vertreter aus fachlichen, analytischen und technischen Unternehmensbereichen offen. Allerdings spricht es eher Interessierte an, die mit diesem Thema noch wenig Berührung hatten.

Voraussetzungen: Grundlegende Kenntnisse zu Business Intelligence

Schwierigkeitsgrad: Anfänger Jede Session des komprimierten Boot Camps kann auch einzeln besucht werden
Maximale Teilnehmerzahl: 20

Bitte installieren Sie vorab für die Session das nachstehende Open-Source-Werkzeug, so dass wir direkt mit den Inhalten starten können:

Rapidminer rapidminer.com (falls Sie kein Rapidminer Account anlegen möchten, suchen Sie bitte im Web nach der Version 5 und installieren Sie diese nach Download auf Ihrem Rechner. Bedenken Sie dann aber bitte, dass in der Software teilweise alternative Abläufe zu beachten sind.)

Carsten Felden

Claudia Koschtial

Programmübersicht

Montag 04.11.2019

Key Mo

Mo 1.1

Mo 2.1

Mo 3.1

Mo 1.2

Mo 2.2

Mo 3.2

Mo 1.3

Mo 2.3

Mo 3.3

Mo 1.4

Mo 2.4

Mo 3.4

Mo 1.4

Mo 2.4

Mo 3.5

Dienstag 05.11.2019

Di 1.1

Di 2.1

Di 3.1

Di 1.2

Di 2.2

Di 3.2

Di 1.3

Di 2.3

Di 3.3

Key Di

Di 1.4

Di 2.4

Di 3.4

Di 1.5

Di 2.4

Di 3.5